旅游最好的网站建设,江门外贸网站建设,wordpress 全站密码,厦门百度代理1. 多路径输入 FileInputFormat是所有使用文件作为其数据源的 InputFormat 实现的基类#xff0c;它的主要作用是指出作业的输入文件位置。因为作业的输入被设定为一组路径#xff0c; 这对指定作业输入提供了很强的灵活性。FileInputFormat 提供了四种静态方法来设定 Job 的… 1. 多路径输入 FileInputFormat是所有使用文件作为其数据源的 InputFormat 实现的基类它的主要作用是指出作业的输入文件位置。因为作业的输入被设定为一组路径 这对指定作业输入提供了很强的灵活性。FileInputFormat 提供了四种静态方法来设定 Job 的输入路径 public static void addInputPath(Job job,Path path);public static void addInputPaths(Job job,String commaSeparatedPaths);public static void setInputPaths(Job job,Path... inputPaths);public static void setInputPaths(Job job,String commaSeparatedPaths); 1.1 addInputPath 使用FileInputFormat.addInputPath方法只能指定一个路径。如果想使用该方法实现多路径输入需要多次调用来加载不同的路径 FileInputFormat.addInputPath(job, new Path(result/search/train/pv_log/2016-04-27/));FileInputFormat.addInputPath(job, new Path(result/search/train/pv_log/2016-04-28/));FileInputFormat.addInputPath(job, new Path(result/search/train/pv_log/2016-04-29/));1.2 addInputPaths 使用FileInputFormat.addInputPaths方法可以指定多个路径。如果想使用该方法实现多路径输入只需调用一次即可多个路径字符串之间用逗号分隔开 FileInputFormat.addInputPaths(job, result/search/train/pv_log/2016-04-27/,result/search/train/pv_log/2016-04-28/,result/search/train/pv_log/2016-04-29/); 1.3 setInputPaths setInputPaths()方法一次设定完整的路径列表替换前面调用中在 Job 上所设置的所有路径覆盖 FileInputFormat.setInputPaths(job, result/search/train/pv_log/2016-04-27/,result/search/train/pv_log/2016-04-28/,result/search/train/pv_log/2016-04-29/); 2. 多个输入 虽然一个MapReduce作业的输入可能包含多个输入文件但所有的文件都由同一个InputFormat和同一个Mapper来处理例如上面多路径输入。然而数据格式往往会随着时间而改变或者有些数据源会提供相同的数据但是格式不同因此我们必须用不同的mapper来处理不同的数据。 这些问题可以用MultipleInputs类来解决它允许为每条输入路径指定InputFormat 和 Mapper。MultipleInputs提供了两种用于多个输入的方法 public static void addInputPath(Job job, Path path,Class? extends InputFormat inputFormatClass);public static void addInputPath(Job job, Path path,Class? extends InputFormat inputFormatClass,Class? extends Mapper mapperClass);下面两个方法的的区别在于针对不同输入路径文件是否可以指定不同Mapper进行处理。 前者不需要指定Mapper所以所有文件都通过一个Mapper进行处理 MultipleInputs.addInputPath(job, new Path(result/search/train/pv_log/2016-11-29/), TextInputFormat.class); MultipleInputs.addInputPath(job, new Path(result/search/train/pv_log/2016-11-29/), TextInputFormat.class); 后者可以针对不同输入路径指定不同的Mapper故可以指定不同Mapper处理不同类型的文件 MultipleInputs.addInputPath(job, new Path(result/search/train/pv_log/2016-11-29/), TextInputFormat.class, TrainOrderMap.class); MultipleInputs.addInputPath(job, new Path(result/search/flight/log/day20161129), TextInputFormat.class, FlightOrderMap.class); 这段代码取代了FileInputFormat.addInputPath() 和 job.setMapperClass() 的常规调用。由于火车票和机票订单数据都是文本文件所以对两者使用TextInputFormat的数据类型。但这两个数据源的行格式不同所以我们使用两个不一样的Mapper。TrainOrderMapper 读取火车票订单的输入数据并计算订单信息FlightOrderMapper 读取飞机票订单的输入数据并计算订单信息。重要的是两个Mapper 输出类型一样因此reducer看到聚合后的map输出并不知道这些输入是由不同的Mapper产生的。
